一种基于图像栈的UWBSAR图像目标变化检测方法技术

本发明专利技术提供一种基于图像栈的UWB SAR图像目标变化检测方法，该方法对检测图像和三个参考图像的均值图像进行图像预处理，进行双方向的相对辐射校正处理，去除图像中由于系统响应、天气条件等非目标变化因素引起的图像灰度值变化。其次，将检测图像和三个参考图像进行相减，得到多个差值图像。然后，通过不同参考图像之间的差值图像估算差值图像幅值服从分布的方差。最后，采用Neyman

【技术实现步骤摘要】
一种基于图像栈的UWB SAR图像目标变化检测方法


[0001]本专利技术涉及雷达
，更具体地，涉及一种基于图像栈的UWB SAR图像目标变化检测方法。

技术介绍

[0002]边境地理形势一般都比较复杂，存在许多区域被丛林覆盖，这给敌对国家在我国边境设立军事目标和军事侵入提供了便利条件，急需一种能够探测到隐蔽于丛林下目标的探测技术。
[0003]不同于普通合成孔径雷达的低穿透性，低频超宽带合成孔径雷达(UWB SAR)具有良好的叶簇穿透性能和高分辨成像能力，能够探测到隐藏在从林中的车辆、坦克等目标，因此UWB SAR广泛应用于叶簇隐蔽目标的变化检测。然而，由于从林探测环境等成像因素，使获得的低频UWB SAR图像经常存在许多非目标的强散射点。这些非目标的斑状散射点使得对不同时相间低频UWB SAR图像进行变化检测时总会存在许多虚警点，从而增加了叶簇隐蔽目标变化检测的难度。因此，研究高效高精度的叶簇隐蔽目标变化检测技术具有重要的意义。
[0004]目前，SAR图像目标检测方法可以分为两种：传统方法和机器学习方法。大多数传统方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像栈的UWB SAR图像目标变化检测方法，其特征在于，包括以下步骤：S1：对检测图像和参考图像进行预处理；S2：将检测图像和三个参考图像进行相减，得到多个差值图像；S3：通过不同参考图像之间的差值图像估算差值图像幅值服从分布的方差；S4：采用Neyman
‑
Pearson方法进行变化检测。2.根据权利要求1所述的基于图像栈的UWB SAR图像目标变化检测方法，其特征在于，所述步骤S1中，对检测图像和参考图像进行双方向相对辐射校正，通过调整待校正图像的灰度值，使得待检测图像和参考图像具有相同的增益因子和偏移因子，从而去除图像中由于系统响应，气候非目标变化区域引起的图像特性变化。3.根据权利要求2所述的基于图像栈的UWB SAR图像目标变化检测方法，其特征在于，所述步骤S2中，采用多幅参考图像进行变化检测，使得图像中包含了更多不变的目标纹理信息，在保持一定检测概率的条件下，减少检测时的虚警率。4.根据权利要求3所述的基于图像栈的UWB SAR图像目标变化检测方法，其特征在于，所述步骤S3中，在采用Neyman
‑
Pearson方法进行目标检测过程中，需要先估算出在无目标条件下，差值图像幅值所服从的分布，并通过最大似然估计方法进行估计分布中的方差信息。5.根据权利要求4所述的基于图像栈的UWB SAR图像目标变化检测方法，其特征在于，所述步骤S1的具体过程是：首先，对于观测区域的每一个像素点，都采用像素邻域计算参考图像和检测图像间该点的相关系数值，当相关系数大于θ时，则将该点设为无变化点；对于检测图像和参考图像中整个图像中的无变化点，分别设为x1,x2...,x
t
和y1,y2...,y
t
；采用最小二乘法进行双方向线性估计，获得对应的线性系数和然后，用线性系数为无变化点分配权值进行加权最小二乘估计，得到对应的线性系数和后继续进行分配权值，直到线性系数稳定下来，即为k
a
、b
a
、k
o
和b
o
，此时式中，与分别为不变点x1,x2...,x
t
和y1,y2...,y
t
的均值；对于检测图像的所有点，采用...

【专利技术属性】
技术研发人员：谢洪途，陈凯鹏，陈佳兴，张健，王国倩，
申请(专利权)人：中山大学，
类型：发明
国别省市：